Epoch AI：研究、数据与评测·· 28 天前AI 评分60
Epoch AI 审查 BFCL v4 基准，抽样 50 题发现 48% 存在缺陷
Berkeley Function Calling Leaderboard (BFCL) v4 - Benchmark Review
AI 导读
Epoch AI 对 Berkeley Function Calling Leaderboard（BFCL）v4 进行质量审计，从 5,088 道题中按类别权重分层抽取 50 题，发现 24 题（48%）存在可能导致误判的缺陷。
整理与数据来源：AIHOT
来源：Epoch AI：研究、数据与评测 · epoch.ai